1、原则
1.1、具体指导：给予模型明确的指导和阅读。
核心思想：不要问模型 "你能做什么"，而是告诉模型"你必须怎么做"
【不明确的指导】
谈谈人工智能
【具体的指导】
请列出人工智能在医疗领域的三个应用场景，并简要说明每个场景的优势。
1.2、简洁明了：使用简练、清晰的语言表达Prompt
核心思想：大语言模型虽然强大，但冗长、啰嗦或结构混乱的指令容易导致：
关键信息被淹没
模型误解任务重点
输出偏离预期方向
如果任务复杂，可拆分为多个 Prompt，或用清晰结构分点说明，而非堆砌在一个长句中。
【冗长的指导】
能不能帮我写一封邮件啊？就是那种给客户发的，说我们项目可能会晚几天，但不要让他们觉得我们不靠谱，语气要礼貌又专业一点。
【简洁明了的指导】
写一封专业且礼貌的邮件，通知客户项目将延迟3天交付，并表达歉意与补救措施
1.3、通过示例或问题边界引导模型
核心思想：用具体例子或明确边界条件，帮助模型理解任务意图、格式要求和合理范围
模型虽有海量知识，但对模糊任务容易自由发挥，导致输出偏离预期。
【无引导的指导】
请写一封请假邮件
【有引导的指导】
请写一封请假邮件，内容包括请假原因、请假时间以及对工作的
安排。
示例：
主题：请假申请
尊敬的经理姓名，
我因个人原因需要请假两天，从6月20日至6月21日。请假期间，
我会确保手头工作交接给同事同事姓名，并保持电话畅通。如
有紧急情况，可随时联系我。感谢您的理解和批准。
此致
敬礼
您的姓名
1.4、根据输出结果，持续调整和优化
核心思想：Prompt 工程不是一次写完就结束，而是一个"设计 → 测试 → 分析 → 优化"的闭环过程
就像调试代码：写完运行 → 看报错/结果 → 修改 → 再运行，直到符合预期
2、技巧
1、限制模型输出的格式
核心思想：明确指定输出格式，你可以让模型生成结构化、可解析、易处理的内容，比如 JSON、列表、表格、代码块等
2、使用分隔符区分输入的不同部分
核心思想：提升模型对任务结构的理解能力，尤其适用于包含多段上下文、指令、示例或用户输入的复杂场景，防止模型将指令、示例、用户数据混为一起。
示例：用 --- 分隔指令与上下文
你是一个客服助手，请根据公司政策回答问题。
公司政策：
-
7天无理由退货
-
运费由客户承担
-
仅支持未拆封商品
用户问题：
我昨天收到耳机，还没拆封，现在想退货，可以吗？
3、提供样例
核心思想：用具体输入-输出示例引导模型，使其准确理解任务要求、格式与风格，降低歧义，提升输出一致性。
示例
请将口语化句子改写为正式商务语气。参考以下示例：
输入： "这破电脑老是死机！"
输出： "该设备频繁出现系统崩溃问题。"
输入： "这玩意儿太贵了，我不买了。"
输出：
4、CoT 思维工具
核心思想：引导模型像人一样，"一步步推理，而不是直接给出答案"
示例
你是一个客户服务助手，请按照以下步骤处理客户的投诉。首
先，记录客户的投诉类型，然后确定处理优先级（高、中、
低），接着分配给适当的部门，最后生成一个处理跟踪编号并
直接输出。
计算过程示例：
"""
客户投诉：客服的态度冷淡，没有耐心解答我的问题。
处理过程如下：
首先记录客户的投诉类型，得到：客服态度差
然后确定处理优先级，得到：优先级高
然后分配给适当的部门，得到：客服部
最后生成一个跟踪编号，得到 KF10001
"""
客户投诉：我的账户意外冻结了。我并未收到任何提前通知或
解释。
5、面向不同的角色进行讲解
示例
你是一位资深儿科医生，请用通俗易懂的方式向新手父母解释：
"为什么婴儿会频繁夜醒？"
实际使用中，高质量的Prompt通常是多个原则与技巧组合使用!!!!